一种基于拓扑的配网分层负荷预测方法

摘要

本发明公开了一种基于拓扑的配网分层负荷预测方法，将配网按拓扑连接关系分层，先分别进行预测，再寻优求和得到总的预测结果，读取10kV出线开关的汇总负荷数据，与预测结果进行对比分析，明显改进了预测精确度，有效地利用了智能化的配网系统，实现基于大数据的深度挖掘，提高了对数据的免疫力，有助于实现配网的精益化管理。

主权项

一种基于拓扑的配网分层负荷预测方法，其特征在于，包括以下步骤：步骤1：从智能电表读取电力用户历史用电信息，从台区表读取台区历史负荷信息；步骤2：基于电力用户的历史用电信息，采用现有的负荷预测方法获得每个电力用户日负荷预测功率初始值；步骤3：根据配电网络的拓扑连接关系，计算台区j的负荷预测结果s_j：$s_j=\alpha ·\underset{i=1}{\overset{n}{\Sigma }}{p}_i^j$其中，为台区j下所连的第i个电力用户的日负荷预测功率初始值，n为台区j下所连的电力用户数量，j为整数；α为调节系数，修正台区负荷预测结果，α的初始值为随机值，以台区预测训练样本的负荷预测值与台区预测训练样本的实际负荷数据的各对应时间点的差值的平均值达到最小为目标函数，采用PSO粒子群寻优方法在设定的迭代次数内确定调节系数α；其中，台区预测训练样本的负荷预测值的获取过程如下：从台区历史负荷信息中选取与待预测日为相似日的台区负荷数据作为台区训练样本数据和台区预测训练样本；所述相似日是指，对日类型相同的台区日负荷数据，依据气象数据根据灰色关联度分析得到关联度大于或等于0.6，且按关联度从大到小排列在前3‑10的样本日；其中，日类型包括工作日、非节假休息日、节假日；采用BP神经网络训练样本数据，得到样本日类型及天气与台区负荷之间的关系函数；将台区预测训练样本所属的日类型和天气代入上述的日类型及天气与台区负荷之间的关系函数得到台区预测训练样本的台区负荷预测值；步骤4：根据配电网络的拓扑连接关系，将台区的负荷预测结果s_j上汇至对应10kV出线开关a，获得10kV出线开关a的总负荷预测结果k_a，其中，m为10kV出线开关a下所连的台区数目。